《表3 预测模型对训练样本的预测误差》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于支持向量回归机SVR的钻削力在线预测分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

利用Matlab对基于SVR的钻削力预测模型算法进行仿真分析，在仿真实验中通过反复训练，将预测模型的SVR参数设置为:C=1 000，ε=0.000 1，σ=10。经过训练，基于SVR的钻削力预测模型对训练样本的预测训练效果较好，预测的相对误差较小。为了检验所建立的SVR预测模型的推广能力，对实验样本的后10组数据进行仿真验证，所得的预测结果和文献[6]采用混沌BP神经网络预测模型所预测的结果如表3所示。通过计算可知:利用本文所构建的SVR预测模型对10组样本扭矩和轴向力预测的平均相对误差分别为1.13%、1.26%，远小于文献[6]采用混沌BP神经网络预测模型预测的平均相对误差5.84%、9.61%。可见，所建钻削力预测模型合理、有效，具有较强的泛化能力。